Prévoir et anticiper les besoins des clients, voilà comment on pourrait résumer le but du marketing prédictif. Dans la boîte noire : de puissants algorithmes pour proposer aux clients des offres hyper adaptées.
Si les process étaient depuis quelques années au centre de l’architecture et de la gestion des SI, revoilà la donnée au cœur des préoccupations parce qu’elle est unique, propre à chaque business et détentrice de valeur. « Aujourd’hui, la masse de données explose, avec la digitalisation de toute une série d’activités qui génèrent de la data (les traces numériques laissées sur un site Internet, une application mobile…) et l’Internet des objets (objets de domotique, compteurs électriques…) », indique Jonathan Brunwasser, responsable des activités Retail au sein de l’entité Insights & Data de Capgemini en France, dressant le contexte.
Parallèlement se produit « une accélération technologique issue des solutions développées en open source par les GAFA (Google, Amazon, Facebook, Apple) qui arrivent sur le marché, et que les entreprises essaient de s’approprier : Hadoop, Spark… » Toutes ces nouvelles technologies permettant de stocker pour beaucoup moins cher la donnée, de l’interroger plus vite et de déclencher en temps réel des activités opérationnelles. Et pour faire la jonction entre les mathématiques, l’informatique et le métier, de nouveaux profils, les data scientists, pointent le bout de leur nez dans les entreprises, du moins les grandes, qui ont déjà compris qu’elles pouvaient monétiser les données.
L’exploitation du Big Data a de multiples usages, et dans le domaine du marketing, celui de prévoir et d’anticiper les besoins des clients.
Prévision, prédictif et prescription
« Face à l’inefficacité croissante des pratiques marketing traditionnelles, le marketing prédictif constitue un des leviers de compétitivité. Une analyse poussée du comportement des consommateurs à travers leur consommation permet d’établir des tendances fortes pour anticiper des actions », explique Abdessatar Hammedi, practice manager chez Maltem Consulting Group, conseil en système d’information et spécialiste des métiers de la banque et de la finance. Le marketing prédictif s’oppose au marketing statique par le type de données qu’il utilise. « Le marketing prédictif propose une vision 360° des données internes et externes (données web, CRM, open data, données clients…) et se sert des données disponibles sur le passé et le présent pour les analyser, nourrir la réflexion marketing et diriger les actions opérationnelles », explique dans un livre blanc Data Publica, qui a développé le produit C-Radar, un produit de marketing prédictif construit sur une base de référence des entreprises françaises regroupant informations administratives, financières, web, réseaux sociaux et media.
François Rychlewski, directeur Europe du Sud de Marketo, spécialiste des logiciels et solutions de marketing numérique, résume : « Face à un flot de plus en plus important de données structurées ou non structurées, la mise en place de solutions “prédictives” et l’exploitation plus intelligente des données permettent de disposer d’une vision plus fine lorsqu’il s’agit de dialoguer avec un consommateur, apporter un niveau de personnalisation qui répond à une attente ou un centre d’intérêt ».
Le rêve pour le marketeur : la micro-segmentation
« Le prédictif, c’est la capacité sur la base du passé et sur la base de facteurs potentiellement exogènes aux données de l’entreprise d’arriver à calculer des probabilités, des scores d’appétence sur le fait que tel ou tel client sera plus ou moins sensible à telle ou telle offre, et qu’il sera plus facile de lui envoyer telle ou telle solution, de le fidéliser, de lui créer un abonnement… », expose Jonathan Brunwasser. Au-delà de la prévision qui s’appuie sur des faits, celle météorologique, par exemple, qui est le résultat de capteurs et d‘historiques, le prédictif ajoute de l’intuition, des paris. Pour en arriver à la prescription : on attend que le système fasse des propositions, des recommandations pour adresser telle ou telle problématique.
La promesse du Big Data, elle est assez simple, soutient Jonathan Brunwasser : c’est le marketing micro-segmenté, le one-to-one. L’idéal, explique-t-il, ce serait qu’à terme le marketeur puisse faire, dans le cadre d’une campagne d’emails par exemple, un message par client avec une photo particulière, ou deux ou trois, avec un format donné, des mots et une longueur propres pour, in fine, proposer une offre qui lui correspond : une remise personnalisée, des frais de livraison gratuits, un deuxième produit offert … « C’est le rêve pour le marketeur : la micro-segmentation. Nous n’y sommes pas à l’unité près, mais de campagnes de centaines de milliers de personnes, on part aujourd’hui sur des dizaines de milliers, et ça se réduit progressivement. »
« Même s’il reste le canal d’engagement numéro 1, le mail ne suffit plus à proposer une stratégie d’engagement efficace. »
Raphaël Fétique, Converteo
Une palette d’outils et de solutions combinées
« Le champ exploratoire de la data science a ses propres outils de manipulation de données qui ne sont pas accessibles à un marketeur », précise Raphaël Fétique, co-fondateur de Converteo, cabinet de conseil en digital et cross-canal. « Du coup, cela a amené à développer des outils verticalisés, des outils monofonctionnels, avec des acteurs par exemple qui vont détecter dans votre base CRM à qui vous voulez envoyer un email pour lui soumettre une offre particulière. » Répondant à des besoins tant B2C que B2B, les directions marketing disposent désormais d’une palette d’outils et solutions qui, combinés, permettent de délivrer une intelligence plus importante, soutient François Rychlewski qui prend deux exemples. « Même s’il reste le canal d’engagement numéro 1, le mail ne suffit plus à proposer une stratégie d’engagement efficace. Couplé avec une personnalisation basée sur des données géographiques et firmographiques, l’engagement devient plus fin, plus pertinent et accélère le taux de conversion. Ce n’est plus simplement qui je suis et ce que je fais mais d’où je viens, dans quelle société je travaille, à quelle fréquence j’engage avec une marque. »
Autre exemple, pour comprendre les habitudes d’achats, analyser l’abandon d’un panier, exploiter les données des réseaux sociaux, etc., « le retargeting permet de réduire les coûts d’engagements d’une marque avec ses consommateurs en exploitant au mieux les informations et traces qu’ils laissent de leurs passages. »
Marketing automation, retargeting, personnalisation, CRM, AdWords, écoute des réseaux sociaux… pour François Rychlewski, la combinaison des outils disponibles « permet d’atteindre plus vite le résultat consistant à engager plus finement, sur le bon canal de communication et avec un message adapté ». Mais gare à l’abondance de l’offre, qui peut parfois conduire à une surexploitation des données et pourrait faire perdre le fil de ce que l’on souhaite atteindre, prévient-il.
Les limites des algorithmes
Les limites du Big Data et de ses prédictions peuvent être aujourd’hui liées aux données elles-mêmes. « Qualité, exhaustivité, fraîcheur, l’exploitation de la donnée n’ayant pas toujours été un enjeu, on part souvent d’une qualité de données médiocre ». Pour l’entreprise, c’est souvent « la soupe à la grimace », relève Raphaël Fétique. « Aujourd’hui, on a un risque d’indigestion avec de la donnée trop brute. On essaie donc de faire du “raffinage” de données, bref de créer de la donnée filtrée, profilée, segmentée, enrichie pour que la base des analyses se fasse sur des données fiables, de qualité, épurées », renchérit Jonathan Brunwasser. Et parfois, « la réalité rattrape le rêve », indique Raphaël Fétique, donnant l’exemple d’une entreprise qui pouvait travailler sur des « segmentations », « des identifications de comportements très fines » mais qui était dans l’incapacité de fournir autant de créations (visuels, messages différents…) aux différentes populations identifiées. Quand les capacités statistiques sont supérieures aux ressources…
Deux cas d’usages du prédictif
- 1 La détection des tendances
Etre renseigné sur les tendances de demain sur la base des achats et de ce que les internautes vont voir sur un site Web. Toute une série d’entreprises ont développé par exemple des configurateurs en ligne (salles de bains, cuisines, salons, par exemple), avec lequel l’internaute peut simuler la salle de bain, la cuisine ou la terrasse de ses rêves avec toute une série d’ajouts d’éléments.
De ces simulations, on peut en sortir un top 10, qui sera mis en avant sur le site, et envoyer ces infos en magasin pour mettre ces modèles idéaux en évidence. Pas besoin d’un bureau d’étude, ce sont les clients eux-mêmes par leurs essais qui construisent les tendances et les renseignent.
- 2 L’analyse des prix
En veillant sur les prix des concurrents en ligne de manière automatique, on peut ajuster ses actions marketing et prédire que l’on fera tant de ventes en plus ou en moins, selon que l’on a choisi de modifier ou pas ses propres prix. Avec des étiquettes électroniques, on pourra mettre à jour en temps réel les prix de certains produits en magasin en appuyant sur un simple bouton.
